用于认知行为治疗会话端到端评估的特征融合策略
音频与语音处理
2020-10-16 v2 计算与语言
声音
摘要
认知行为疗法(Cognitive Behavioral Therapy, CBT)是一种以目标为导向的心理治疗，用于心理健康问题，在对话环境中实施，并因其对一系列呈现问题和来访者群体的有效性而具有广泛的实证支持。CBT会话的质量通常由训练有素的人类评分者评估，他们手动分配预定义的会话级行为编码。在本文中，我们开发了一个端到端流水线，将语音音频转换为带说话人分割(diarized)和转录的文本，并提取语言特征以自动编码CBT会话。我们研究了词级和话语级特征，并提出了组合它们的特征融合策略。话语级特征包括对话行为标签(dialog act tags)以及从另一种著名的谈话心理治疗——动机性访谈(Motivational Interviewing, MI)中提取的行为编码。我们提出了一种新方法，用话语级标签增强基于词的特征，以进行后续的CBT编码估计。实验表明，我们的新融合策略优于所有被研究的特征，无论是单独使用还是通过直接拼接融合时。我们还发现，鉴于CBT会话中多话语对话轮次的大量存在，引入句子分割模块可以进一步提升整体系统性能。
引用
@article{arxiv.2005.07809,
title = {Feature Fusion Strategies for End-to-End Evaluation of Cognitive Behavior Therapy Sessions},
author = {Zhuohao Chen and Nikolaos Flemotomos and Victor Ardulov and Torrey A. Creed and Zac E. Imel and David C. Atkins and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:2005.07809},
year = {2020}
}